深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
421	2025-05-11	Surface-Enhanced Raman Spectroscopy for Biomedical Applications: Recent Advances and Future Challenges 2025-Mar-19, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c17502 PMID:39991932	综述	本文总结了表面增强拉曼光谱（SERS）在生物医学应用中的最新进展和未来挑战	重点介绍了SERS基底、纳米标签、仪器和光谱分析方面的关键发展，包括胶体和固体SERS基底、具有内部间隙的正交拉曼报告基因和近红外II响应特性的SERS纳米标签，以及光学镊子、等离子体纳米孔和可穿戴传感器等新兴技术	讨论了SERS在临床转化中的挑战，特别是在深部组织体内传感和成像方面的困难	探讨SERS在生物医学领域的应用潜力，包括液体活检、代谢表型和细胞外囊泡诊断	SERS基底、纳米标签、仪器和光谱分析技术	生物医学工程	NA	表面增强拉曼光谱（SERS）	深度学习算法	光谱数据	NA
422	2025-05-11	Portable cerebral blood flow monitor to detect large vessel occlusion in patients with suspected stroke 2025-Mar-17, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2024-021536 PMID:38514189	research paper	研究便携式脑血流监测仪在疑似卒中患者中检测大血管闭塞的能力	使用便携式Openwater光学血流监测仪结合深度学习模型，提高了大血管闭塞的检测敏感性和特异性	需要在独立测试集和院前环境中进一步验证	提高卒中患者大血管闭塞的早期检测率，以优化治疗流程和改善预后	疑似卒中患者	digital pathology	cardiovascular disease	光学血流扫描	deep learning	光学血流波形数据	135名患者，其中52名（39%）有前循环大血管闭塞
423	2025-05-11	Deep learning to quantify the pace of brain aging in relation to neurocognitive changes 2025-Mar-11, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2413442122 PMID:39993207	research paper	该研究利用深度学习技术通过纵向MRI量化大脑衰老速度，并探讨其与神经认知变化的关系	引入3D-CNN模型从纵向MRI数据中非侵入性地估计大脑衰老速度，显著优于横断面模型	研究主要关注认知正常个体和阿尔茨海默病患者，可能不适用于其他神经系统疾病	开发一种能够量化大脑衰老速度并反映神经认知变化的方法	认知正常成年人和阿尔茨海默病患者	digital pathology	Alzheimer's disease	MRI	3D-CNN	image	训练集2,055名认知正常成年人，验证集1,304名认知正常成年人，独立队列包括104名认知正常成年人和140名阿尔茨海默病患者
424	2025-05-11	ProCeSa: Contrast-Enhanced Structure-Aware Network for Thermostability Prediction with Protein Language Models 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01752 PMID:39988825	研究论文	提出了一种名为ProCeSa的新型蛋白质对比增强结构感知网络，用于结合蛋白质语言模型（PLMs）提取的序列和结构信息来增强热稳定性预测	ProCeSa模型通过对比学习方案整合PLMs提取的序列和结构信息，无需原子结构数据即可预测蛋白质热稳定性	未明确提及具体局限性	提高蛋白质热稳定性预测的准确性	蛋白质序列及其热稳定性	蛋白质生物信息学	NA	对比学习、蛋白质语言模型（PLMs）	ProCeSa（对比增强结构感知网络）	蛋白质序列数据	公开数据集（未明确提及具体样本数量）
425	2025-05-11	A deep learning model for inter-fraction head and neck anatomical changes in proton therapy 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adba39 PMID:39999567	research paper	开发了一种基于概率深度学习的算法，用于预测头颈部患者在质子治疗中的分次间解剖变化	利用变分自编码器架构构建概率性每日解剖模型（DAM），能够生成可能的重复CT图像和相关掩码，并评估解剖变化的分布	数据集规模较小，仅包含93名患者（315对pCT-rCT），其中仅9名患者（27对）用于最终测试	评估深度学习模型在预测头颈部患者质子治疗期间解剖变化方面的性能	头颈部癌症患者	digital pathology	head and neck cancer	深度学习	variational autoencoder	CT图像	93名患者（315对pCT-rCT），其中9名患者（27对）用于测试
426	2025-05-11	Large Model Era: Deep Learning in Osteoporosis Drug Discovery 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02264 PMID:40008920	综述	本文综述了深度学习在骨质疏松药物发现中的应用，特别是大型模型的作用	探讨了大型模型在理解疾病机制和促进药物发现中的新方法	讨论了大型模型在骨质疏松药物发现中的优势和局限性	促进骨质疏松药物发现的研究	骨质疏松药物发现	机器学习	骨质疏松	深度学习	大型模型	NA	NA
427	2025-05-11	Self-supervised U-transformer network with mask reconstruction for metal artifact reduction 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adbaae PMID:40010000	research paper	提出了一种自监督U型transformer网络，通过掩模重建任务减少CT图像中的金属伪影	结合自监督掩模重建预训练任务和下游任务，利用Transformer的长程特征提取能力增强模型在金属伪影减少任务中的泛化能力	未提及具体在哪些真实场景下的性能表现	提升CT图像中金属伪影减少任务的模型泛化能力	CT图像中的金属伪影	computer vision	NA	self-supervised learning	U-shaped transformer	CT图像	未提及具体样本数量，但使用了未标记的真实伪影CT图像和标记的合成伪影CT图像
428	2025-05-11	GLMCyp: A Deep Learning-Based Method for CYP450-Mediated Reaction Site Prediction 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02051 PMID:40013456	研究论文	本文提出了一种基于深度学习的CYP450介导反应位点预测方法GLMCyp	结合2D分子图特征、3D Uni-Mol特征和ESM-2生成的CYP450蛋白特征，提高了预测准确性	未明确提及具体局限性	提高药物发现和开发效率，准确预测CYP450介导的反应位点	小分子化合物	机器学习	NA	深度学习	GLMCyp	分子图数据、蛋白质特征数据	EBoMD数据集
429	2025-05-11	EEG-based recognition of hand movement and its parameter 2025-Mar-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adba8a PMID:40009879	研究论文	研究基于EEG信号的手部运动识别及其参数解码	提出了一种结合CNN和BiLSTM的端到端模型，用于分类和识别手部运动，并在实验中展示了高准确率	研究目前处于可行性研究阶段，跨被试分类的准确性尚未达到实际应用水平	探索基于EEG信号的手部运动识别技术，以提升脑机接口在医疗康复和人机协作中的应用	13名健康志愿者的EEG数据，涉及四种手部运动和两种力参数任务	脑机接口	NA	EEG信号分析	CNN-BiLSTM	EEG信号	13名健康志愿者
430	2025-05-11	Deep learning models as learners for EEG-based functional brain networks 2025-Mar-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adba8c PMID:40009886	研究论文	探讨深度学习模型作为学习者，用于基于EEG的功能性脑网络分析	提出将功能脑网络构建直接嵌入深度学习模型作为特征提取模块，实现端到端学习	深度学习模型难以准确捕捉功能脑网络的固有拓扑结构	验证深度学习模型学习功能脑网络构建过程的能力	EEG数据和功能脑网络矩阵	机器学习	NA	EEG分析	深度学习模型	EEG数据	两个公开可用的EEG数据集
431	2025-05-11	Explainable paroxysmal atrial fibrillation diagnosis using an artificial intelligence-enabled electrocardiogram 2025-Mar, The Korean journal of internal medicine DOI:10.3904/kjim.2024.130 PMID:39987899	研究论文	本研究开发了一种基于人工智能的心电图算法，用于检测正常窦性心律患者中的阵发性心房颤动早期迹象	使用深度学习模型预测心房颤动发作，并应用可解释AI技术揭示模型预测的依据	研究依赖于历史心电图数据，未进行前瞻性验证	开发可靠的人工智能算法用于早期检测心房颤动	318,321名患者的心电图数据	数字病理学	心血管疾病	12导联心电图	深度神经网络	心电图数据	552,372条心电图轨迹（来自318,321名患者）
432	2025-05-11	MRI-Based Topology Deep Learning Model for Noninvasive Prediction of Microvascular Invasion and Assisting Prognostic Stratification in HCC 2025-Mar, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.16205 PMID:39992060	研究论文	开发并验证了一种基于MRI拓扑的深度学习模型，用于术前预测肝细胞癌的微血管侵犯并辅助预后分层	结合拓扑学改进深度学习模型的预测性能和可解释性，开发了TopoCNN和TopoCNN+Clinic模型	研究为双中心回顾性研究，可能存在选择偏倚	术前预测肝细胞癌的微血管侵犯并辅助预后分层	肝细胞癌患者	数字病理学	肝细胞癌	MRI	CNN, TopoCNN, TopoCNN+Clinic	图像	589名患者（其中292名经病理证实有微血管侵犯）
433	2025-05-11	Enhanced water quality prediction model using advanced hybridized resampling alternating tree-based and deep learning algorithms 2025-Mar, Environmental science and pollution research international DOI:10.1007/s11356-025-36062-7 PMID:39994118	研究论文	本研究开发了一种新型深度学习模型，结合双向LSTM网络和基于引导聚合的高级集成方法，用于预测河流系统中的关键水质参数	提出了结合双向LSTM和BA_AMT的混合模型，用于水质参数预测，并在Clackamas河上验证了其优越性能	虽然Bi-LSTM在整体精度上优于BA-AMT，但BA-AMT在捕捉极值方面表现更好，表明模型仍有优化空间	开发更精确的水质预测模型，以支持水资源管理和污染缓解规划	Clackamas河的水质参数（浊度和溶解氧）	机器学习	NA	深度学习、引导聚合、交替模型树	Bi-LSTM、BA_AMT	时间序列数据	NA
434	2025-05-11	Of Pilots and Copilots: The Evolving Role of Artificial Intelligence in Clinical Neurophysiology 2025-Mar, The Neurodiagnostic journal DOI:10.1080/21646821.2025.2465089 PMID:39999187	review	本文探讨了人工智能在临床神经生理学中的应用及其演变	讨论了AI在EEG、EMG和PSG中的应用，以及从早期模仿方法到深度学习技术的演变	在EMG中面临数据集有限和临床背景考虑的挑战，PSG评分在分析癫痫活动和分类某些睡眠阶段方面仍有局限	探讨AI在临床神经生理学中的应用及其未来发展方向	EEG、EMG和PSG	clinical neurophysiology	NA	deep learning	NA	EEG, EMG, PSG数据	NA
435	2025-03-20	Correction: Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning 2025-Mar-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03504-7 PMID:40100458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
436	2025-05-10	Deep learning imputes DNA methylation states in single cells and enhances the detection of epigenetic alterations in schizophrenia 2025-Mar-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100774 PMID:39986279	研究论文	本文介绍了一种基于transformer的深度学习模型scMeFormer，用于在单细胞中估算DNA甲基化状态，并应用于精神分裂症的检测	提出了scMeFormer模型，能够在单细胞DNA甲基化数据中实现高保真估算，显著提升低覆盖率数据的分析能力	模型性能依赖于原始数据的质量和覆盖度，可能无法完全解决极低覆盖率数据的估算问题	提高单细胞DNA甲基化数据的分析能力，增强对精神分裂症表观遗传学改变的理解	人类和小鼠的单细胞DNA甲基化数据，特别是精神分裂症患者和对照组的额叶皮层数据	表观遗传学	精神分裂症	单细胞DNA甲基化测序	transformer	DNA甲基化数据	五个单核DNA甲基化数据集（来自人类和小鼠），包括精神分裂症患者和对照组的额叶皮层数据
437	2025-03-14	Publisher Correction: HDL-ACO hybrid deep learning and ant colony optimization for ocular optical coherence tomography image classification 2025-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93294-w PMID:40075161	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
438	2025-05-10	Low-dose CT reconstruction using cross-domain deep learning with domain transfer module 2025-Mar-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb932 PMID:39983305	research paper	该研究提出了一种利用跨域深度学习和域转移模块进行低剂量CT重建的新方法	提出了一种跨域深度学习方法，通过域转移函数减少冗余计算，仅需双域网络一半的可训练参数即可达到相当的性能	虽然减少了计算资源需求，但方法的性能仍需在更多临床数据上进一步验证	开发一种计算效率更高的低剂量CT重建方法以减少辐射暴露	低剂量X射线CT图像	computer vision	NA	deep learning	U-Net	CT图像	NA
439	2025-05-10	Power absorption and temperature rise in deep learning based head models for local radiofrequency exposures 2025-Mar-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adb935 PMID:39983315	研究论文	本研究比较了基于分割和无需分割的深度学习头部模型在评估局部射频暴露时的功率吸收和温升效果	采用无需分割的深度学习模型直接从磁共振图像估计组织介电和热学特性，减少了主体间变异性并提高了计算效率	两种模型之间的差异相对于总体剂量学不确定性较小	提高射频暴露下人体保护的准确性和一致性	计算头部模型	机器学习	NA	有限差分时域方法和生物热传递方程	深度学习模型	磁共振图像	NA
440	2025-05-10	T-ALPHA: A Hierarchical Transformer-Based Deep Neural Network for Protein-Ligand Binding Affinity Prediction with Uncertainty-Aware Self-Learning for Protein-Specific Alignment 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02332 PMID:39965912	研究论文	本文提出了一种名为T-ALPHA的新型深度学习模型，用于预测蛋白质-配体结合亲和力，并通过不确定性感知的自学习方法提高预测准确性	T-ALPHA模型通过整合多模态特征表示和层次化transformer框架，提高了蛋白质-配体结合亲和力的预测准确性，且在预测结构上仍保持最优性能	未明确提及具体局限性，但可能依赖于预测结构的准确性	提高蛋白质-配体结合亲和力的预测准确性，以加速候选抑制剂的识别和优化	蛋白质-配体结合亲和力	机器学习	NA	深度学习，不确定性感知自学习	Transformer	蛋白质和配体的结构数据	未明确提及具体样本数量，但涉及多个基准测试